NVIDIA 利用分散式架構、開源型態的 FLARE 結合各地數據 加速醫療研究

2021.11.30 01:48AM
照片中跟HMV有關,包含了平面設計、軟件開發、聯合學習、設計、軟件開發工具包

藉由雲端虛擬化佈署應用,醫療機構能以更簡單方式將更高運算效能應用在醫療研究與臨床治療,並且能透過NVIDIA LaunchPad快速啟動該機構的NVIDIA AI Enterprise專案,同時也能藉由AI加速各類醫療應用模式。

今年在歐洲GTC 2021期間宣布推出開源型態的FLARE (Federated Learning Application Runtime Environment)軟體開發套件,讓分散各地機構能以此建構通用人工智慧模型之後,在與先前針對醫學分析學習研究的Clara Train系統開發工具結合,將能推動更多醫學研究。

透過FLARE分散式架構設計,將能結合各機構提供數據進行聯合學習,藉此讓各行各業所需人工智慧模型運算能力,可以藉由採集更多有價值數據進行學習提昇,其中包含藉由點對點、循環,或是主從式等分散架構整合數據,藉此讓人工智慧數據能完成更深層、精確的學習成果。

例如,利用主從式架構將各個參與機構學習數據傳遞到一組公用伺服器,藉此彙總成一組全域模型,目前NVIDIA已經與羅氏 (Roche)旗下數位病理研究機構人員合作,將X光片影像進行分類,成功地進行內部病況模擬,而與位於荷蘭的伊拉斯姆斯醫學中心 (Erasmus Medical Center) 合作開發一組AI應用程式,藉此用於與精神分裂症病例有關的遺傳變異辨識。

目前與NVIDIA合作FLARE軟體開發套件的醫療機構,包含以此投入乳癌與新型冠壯病毒放射學影像研究的美國放射學會 (American College of Radiology;ACR),以及提供Flywheel Exchange平台資源,讓用戶能取得共享生物醫學研究資料及演演算法等資源的Flywheel。

其他合作對象則包含台灣智慧雲端服務股份有限公司與NVIDIA Inception計畫投資的Rhino Health,後者更將FLARE應用在腦動脈瘤的AI模型,協助美國國家癌症研究所早期偵測研究網路 (National Cancer Institute』s Early Detection Research Network),藉此開發、驗證能夠辨識胰臟癌早期跡象的醫學影像AI模型。

不過,並非每個聯合學習應用項目都適用於主從式架構,因此FLARE亦可透過支援其他架構,讓更多的應用項目能夠使用聯合學習,例如能源公司分析地震和井眼 (wellbore)資料,或是協助製造商最佳化工廠營運,以及幫助金融公司改善詐欺偵測模型等。

另一方面,藉由旗下NVIDIA AI Enterprise軟體套件,搭配VMware vSphere佈署,NVIDIA也協助荷蘭癌症研究所 (Netherlands Cancer Institute;NKI)以此測試其AI作業負載能力,並且能透過更高記憶體容量規格對應高解析影像分析,以利臨床醫療人員能精準鎖定每個病患腫瘤所在位置,並且確認腫瘤大小。

同時,藉由雲端虛擬化佈署應用,亦未醫療機構能以更簡單方式將更高運算效能應用在醫療研究與臨床治療,並且能透過NVIDIA LaunchPad快速啟動該機構的NVIDIA AI Enterprise專案,同時也能藉由AI加速各類醫療應用模式。

0 則回應